為面試作一些演算法相關的準備~~
一、時間複雜度
通常使用最差的時間複雜度來衡量一個演算法的好壞。
常數時間 O(1)
代表這個操作和資料量沒關係,是一個固定時間的操作,比如說四則運算。
對於一個演算法來說,可能會計算出如下操作次數 aN + 1
,N
代表資料量。那麼該演算法的時間複雜度就是 O(N)
。因為我們在計算時間複雜度的時候,資料量通常是非常大的,這時候低階項和常數項可以忽略不計。
當然可能會出現兩個演算法都是 O(N) 的時間複雜度,那麼對比兩個演算法的好壞就要通過對比低階項和常數項了。
二、位運算
十進位制和二進位制之間的轉換
位運算在演算法中很有用,速度可以比四則運算快很多。
十進位制33
可以看成是32 + 1
, 32
為2^5
,1
為2^0
。所以就是 100001
.
那麼二進位制 100001
同理,首位是 2^5
,末位是2^0
,相加得出 33
左移 <<
10 << 1
// 20
複製程式碼
左移就是將二進位制全部往左移動,10 在二進位制中表示為 1010 ,左移一位後變成 10100 ,轉換為十進位制也就是 20,所以基本可以把左移看成以下公式a * (2 ^ b)
左移 <<
10 >> 1
// 5
複製程式碼
算數右移就是將二進位制全部往右移動並去除多餘的右邊,10 在二進位制中表示為 1010 ,右移一位後變成 101 ,轉換為十進位制也就是 5,所以基本可以把右移看成以下公式int v = a / (2 ^ b)
- 右移的一個用處就是在二分法的時候,計算中間值
13 >> 1 // -> 6
三、排序
兩通用函式
function checkArray(arr) {
if(!arr | arr.length <= 2) {
return false
}
return true
}
// 交換陣列中的兩個值
function swap(array, left, right) {
let rightValue = array[right]
array[right] = array[left]
array[left] = rightValue
}
複製程式碼
1、氣泡排序
氣泡排序的原理如下,從第一個元素開始,把當前元素和下一個索引元素進行比較。如果當前元素大,那麼就交換位置,重複操作直到比較到最後一個元素,那麼此時最後一個元素就是該陣列中最大的數。下一輪重複以上操作,但是此時最後一個元素已經是最大數了,所以不需要再比較最後一個元素,只需要比較到 length - 1 的位置。
// 氣泡排序
function sort_1 (arr) {
// 外迴圈決定比較幾輪次
for(var i = arr.length-1; i > 0; i--) {
// 內迴圈決定每一輪最少比較幾次
for(var j = 0; j < i; j ++) {
if(arr[j] > arr[j+1]) {
swap(arr, j, j+1);
}
}
}
}
/**
共有 5 元素,
一共比4次。
第一輪 比較 4次
第二輪 3次
第三輪 2次
第四輪 1次
最後一輪 0次
**/
複製程式碼
- 冒泡就是,每次迴圈將該迴圈中的較大元素往後面放,小的往前面放。O(n*n)
2、插入排序
插入排序原理: 將陣列分為兩部分,前一部分是已經排好的序列,之後是未排序的序列,我們每次從未排序的序列中拿第一個,根前面已經排好的序列中從頭進行比較,找到合適的位置,進行放置。我們最初假設第一次的時候,第一個是排好的。
// 插入排序
function sort_2(arr) {
// 對除第一個元素之外的元素進行向前插入
for(var i = 1 ; i < arr.length; i++){
// 取到未排序的序列的第一個元素,往左側進行插入。
for(var j = 0; j < i ; j++) {
if(arr[j] > arr[i]) {
swap(arr, j, i);
}
}
}
}
複製程式碼
3、選擇排序
選擇排序原理:每次從待排序的序列中找到最小的放在前面
// 每次從待排序的序列中找到最小的放在前面
function sort_3(arr) {
// 一共需要確定幾次最小值 n-1次
for(var i = 0 ; i < arr.length-1 ; i++) {
// 從已經排好的之後開始,找到最小值,放入該序列的最開始,
for(var j = i + 1; j < arr.length; j++) {
if(arr[i] > arr[j]) {
swap(arr, i, j);
}
}
}
}
/**
3 89 72 43 1
3之後的序列中找到比3還小的,然後替換3的位置
1 89 72 43 3
89之後的序列中找比89還小的,然後替換89的位置
1 3 72 43 89
...
**/
複製程式碼
4、快速排序
基本思想是選取一個記錄作為樞軸,經過一趟排序,將整段序列分為兩個部分,其中一部分的值都小於樞軸,另一部分都大於樞軸。然後繼續對這兩部分繼續進行排序,從而使整個序列達到有序。
// 將陣列劃分為兩部分,最終基值會在陣列的中間某一位置,左側的都比base小,右側的都比 base大。
function partion(arr, left, right) {
let base = arr[left]; //基準值,預設取陣列第一個元素
// 當left和right指標相遇的時候,也就是重合的時候就跳出迴圈
while(left<right) {
// 先從右側開始,找比base小的,然後交換位置
while(left < right && arr[right] >= base) {
right --;
}
if(left<right) {
swap(arr, left, right);
}
// 再從左側開始,找比base大的,交換位置
while(left < right && arr[left] <= base) {
left ++;
}
if( left < right) {
swap(arr, left, right)
}
}
arr[left] = base;
return left;
}
// 快速排序
function quickSort(arr, left, right) {
let dp;
if(left < right) {
dp = partion(arr, left, right); // 第一步: 定位第一個基值,左側的小,右側的大
quickSort(arr, left, dp-1); // 第二步: 排序左側的
quickSort(arr, dp+1, right); // 第三步: 排序右側的
}
}
複製程式碼
演算法題:
輸入: [2,0,2,1,1,0]
輸出: [0,0,1,1,2,2]
複製程式碼
使用三路快排的思想:
function swap(array, left, right) {
let rightValue = array[right]
array[right] = array[left]
array[left] = rightValue
}
var sortColors = function(nums) {
let left = -1
let right = nums.length
let i = 0
// 下標如果遇到 right,說明已經排序完成
while (i < right) {
// 遇到0,往左側放
if (nums[i] == 0) {
swap(nums, i++, ++left)
} else if (nums[i] == 1) {
// 1自然就到中間了
i++
} else {
// 遇到 2 往右側放
swap(nums, i, --right)
}
}
}
複製程式碼
找出陣列中第 K 大的元素
複製程式碼
使用快排來確定第K小。
function partition(items, left, right) {
var pivot = items[Math.floor((right + left) / 2)],
i = left,
j = right;
while (i <= j) {
while (items[i] < pivot) {
i++;
}
while (items[j] > pivot) {
j--;
}
if (i <= j) {
swap(items, i, j);
i++;
j--;
}
}
return i;
}
function quickSort(items, left, right, k) {
k = k -1
while (left < right) {
// 分離陣列後獲得比基準樹大的第一個元素索引
let index = partition(items, left, right)
// 判斷該索引和 k 的大小
if (index < k) {
left = index + 1
} else if (index > k) {
right = index - 1
} else {
break
}
}
return items[k]
}
// first call
var result = quickSort(a, 0, a.length - 1, 7);
console.log(result);
複製程式碼
四、連結串列
與陣列相似,連結串列也是一種線性資料結構。這裡有一個例子:
正如你所看到的,連結串列中的每個元素實際上是一個單獨的物件,而所有物件都通過每個元素中的引用欄位連結在一起。
連結串列結構可以充分利用計算機記憶體空間,實現靈活的記憶體動態管理。但是連結串列失去了陣列隨機讀取的優點,同時連結串列由於增加了結點的指標域,空間開銷比較大。同時連結串列在遍歷上會話費較多的時間,但是在插入和刪除上卻是較為方便的。
連結串列有兩種型別:單連結串列和雙連結串列。上面給出的例子是一個單連結串列,這裡有一個雙連結串列的例子:
1、新增操作 - 單連結串列
與陣列不同,我們不需要將所有元素移動到插入元素之後。因此,您可以在 O(1) 時間複雜度中將新結點插入到連結串列中,這非常高效。
2、刪除操作 - 單連結串列
首先從頭遍歷連結串列,直到我們找到前一個結點 prev。
- 實現一個連結串列:
function Node(value) {
this.value = value;
this.next = null;
}
function LinkList() {
this.head = null;
this.size = 0;
}
/**
* [連結串列末尾插入]
* @param {[type]} val [description]
*/
LinkList.prototype.push = function(val) {
var node = new Node(val);
if(this.head == null) {
this.head = node;
} else {
var current = this.head;
while(current.next != null) {
current = current.next;
}
current.next = node;
}
this.size++;
}
/**
* 往某一個節點後插入一個節點
* @type {Node}
*/
LinkList.prototype.insertAfter = function(value, item) {
var node = new Node(value);
var current = this.find(item); // 找到該節點
if(current == null) {
console.log('未找到該元素');
}
node.next = current.next;
current.next = node;
this.size ++;
}
/**
* 查詢某節點
* @param {[type]} item [元素值]
* @return {[type]} [description]
*/
LinkList.prototype.find = function(item) {
var currentNode = this.head;
if (currentNode == null) {
console.log("這是一個空連結串列!!!");
return null;
}
if (currentNode.value === item) {
return currentNode;
}
while(currentNode&¤tNode.value != item) {
currentNode = currentNode.next;
}
return currentNode;
}
/**
* 展示
* @return {[type]} [description]
*/
LinkList.prototype.show = function() {
console.log('======start====')
var current = this.head;
var index = 0;
while(current) {
console.log('序號:', ++index, current.value);
current = current.next;
}
console.log('======end====')
}
function remove(value) {
var previous = this.findPrevious(value);
var current = this.find(value);
if (previous == null) {
return console.log('連結串列中找不到被刪除的元素');
}
previous.next = current.next;
length--;
}
/**
* 刪除某一個節點
* 找到前一個節點prev。 prev.next = current.next
* @param {[type]} value [description]
* @return {[type]} [description]
*/
LinkList.prototype.remove = function(value) {
var previous = this.findPrevious(value);
console.log('前一個節點為', previous.value);
var current = this.find(value);
if (previous == null) {
console.log('連結串列中找不到被刪除的元素');
return
}
previous.next = current.next;
this.size--;
}
/**
* 找到某一個節點的前一個節點
* @param {[type]} value [description]
* @return {[type]} [description]
*/
LinkList.prototype.findPrevious = function(value) {
var current = this.head;
if (current == null) {
console.log('這是一個空連結串列');
return null;
}
while(current) {
if(current.next.value == value) {
return current;
}
current = current.next;
}
return null;
}
var l = new LinkList();
l.push(1);
l.push(3);
l.push(4);
l.push(5);
l.push(6);
l.show();
l.remove(3);
l.show();
複製程式碼
單連結串列反轉:
LinkList.prototype.reveser = function () {
var head = this.head;
if ( head == undefined || !head.next == undefined ) return ;
var p,q,r;
p = head;
q = p.next;
head.next = undefined;
while(q){
r = q.next;
q.next = p;
p = q;
q = r;
}
this.head = p;
};
複製程式碼
原理:
五、樹
樹 是一種經常用到的資料結構,用來模擬具有樹狀結構性質的資料集合。
樹裡的每一個節點有一個根植和一個包含所有子節點的列表。從圖的觀點來看,樹也可視為一個擁有N
個節點和N-1
條邊的一個有向無環圖。
1、二叉樹
二叉樹是一種更為典型的樹樹狀結構。如它名字所描述的那樣,二叉樹是每個節點最多有兩個子樹的樹結構,通常子樹被稱作 “左子樹”和“右子樹”。
2、二叉搜尋樹
【二叉樹搜尋樹】 (BST) 是二叉樹的一種,但是它只允許你在左側節點儲存(比父節點)小的值,在右側節點儲存(比父節點)大(或者等於)的值。
這種儲存方式很適合於資料搜尋。如下圖所示,當需要查詢 6 的時候,因為需要查詢的值比根節點的值大,所以只需要在根節點的右子樹上尋找,大大提高了搜尋效率。
二叉搜尋樹的插入操作
- 插入一個6:
首先會檢測二叉樹是否為空?
第二檢測根節點(key[6] < root[11]為真),然後繼續檢測(node.left不是null),到達node.left[7]節點。
第三檢測(key[6] < key[7]為真),然後繼續檢測(node.left不是null),到達node.left[5]節點。
最後檢測(key[6] < key[5]為真),然後繼續檢測(node.right不是null),為空新增在key[5]右節點新增key[6]。
複製程式碼
- 移除一個節點5:
首先會檢測二叉樹是否為空?
第二檢測根節點(key[5] = root[11]為真),然後檢查(key[5] < root[11])然後繼續檢測(node.left不是null),到達node.left[7]節點。
第三檢測根節點(key[5] = key[7]為真),然後檢查(key[5] < key[7]為真),然後繼續檢測(node.left不是null),到達node.left[5]節點。
第四檢測(key[5] = key[5]為真),然後刪除 key[5]節點。
最後(key[5] )子節點,key[3]的父節點改成原來key[5]的父節點key[7]。
複製程式碼
3、樹的遍歷
前序遍歷
中序遍歷
對於二叉搜尋樹,中序遍歷可以對其進行從小到達排序。後序遍歷
值得注意的是,當你刪除樹中的節點時,刪除過程將按照後序遍歷的順序進行。 也就是說,當你刪除一個節點時,你將首先刪除它的左節點和它的右邊的節點,然後再刪除節點本身。
另外,後序在數學表達中被廣泛使用。
4、二叉搜尋樹的實現
/**
* 節點類
* @param {[type]} val [description]
* @constructor
*/
function Node(val) {
this.key = val;
this.left = this.right = null;
}
/**
* 二叉搜尋樹 BST
* @constructor
*/
function BinaryTree() {
this.root = null;
this.size = 0;
}
BinaryTree.prototype.constructor = BinaryTree;
/**
* 向二叉樹插入一個新的值
* @param {[type]} key [值]
* @return {[type]} [description]
*/
BinaryTree.prototype.insert = function(key) {
var newNode = new Node(key);
if(this.root === null) {
this.root = newNode;
} else {
this.insertNode(this.root, newNode);
}
}
/**
* 往某一個節點下插入一個新的節點
* @param {[type]} node [description]
* @param {[type]} newNode [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.insertNode = function(node,newNode) {
if(node.key > newNode.key){
if(node.left==null){
node.left=newNode;
}else{
this.insertNode(node.left,newNode)
}
}else{
if(node.right==null){
node.right=newNode
} else {
this.insertNode(node.right,newNode)
}
}
}
/**
* 獲取根節點
* @return {[type]} [description]
*/
BinaryTree.prototype.getRoot = function() {
return this.root;
}
/**
* 中序遍歷,從根開始
* @return {[type]} [description]
*/
BinaryTree.prototype.inOrderTraverse = function(callback) {
this.inOrderTraverseNode(this.root, callback);
}
/**
* 中序遍歷從某一節點開始的子節點
* @param {[type]} node [description]
* @param {Function} callback [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.inOrderTraverseNode = function(node, callback) {
if(node!=null) {
this.inOrderTraverseNode(node.left, callback); // 遍歷左側
callback(node.key); // 輸出節點
this.inOrderTraverseNode(node.right, callback); // 遍歷右側
}
}
/**
* 先序遍歷,從根開始
* @return {[type]} [description]
*/
BinaryTree.prototype.preOrderTraverse = function(callback) {
this.preOrderTraverseNode(this.root, callback);
}
/**
* 中序遍歷從某一節點開始的子節點
* @param {[type]} node [description]
* @param {Function} callback [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.preOrderTraverseNode = function(node, callback) {
if(node!=null) {
callback(node.key); // 輸出節點
this.preOrderTraverseNode(node.left, callback); // 遍歷左側
this.preOrderTraverseNode(node.right, callback); // 遍歷右側
}
}
/**
* 後序遍歷,從根開始
* @return {[type]} [description]
*/
BinaryTree.prototype.postOrderTraverse = function(callback) {
this.postOrderTraverseNode(this.root, callback);
}
/**
* 後序遍歷從某一節點開始的子節點
* @param {[type]} node [description]
* @param {Function} callback [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.postOrderTraverseNode = function(node, callback) {
if(node!=null) {
this.postOrderTraverseNode(node.left, callback); // 遍歷左側
this.postOrderTraverseNode(node.right, callback); // 遍歷右側
callback(node.key); // 輸出節點
}
}
// =========測試
var tree = new BinaryTree();
tree.insert(11);
tree.insert(7);
tree.insert(15);
tree.insert(5);
tree.insert(3);
tree.insert(9);
tree.insert(8);
tree.insert(10);
tree.insert(13);
tree.insert(12);
tree.insert(14);
tree.insert(20);
tree.insert(18);
tree.insert(25);
tree.insert(6);
// //11,7,15,5,3,9,8,10,13,12,14,20,18,25,6
function printNode(value){
console.log(value);
}
// 中序遍歷
// tree.inOrderTraverse(printNode);
// 先序遍歷
// tree.preOrderTraverse(printNode);
// 後序遍歷
tree.postOrderTraverse(printNode);
複製程式碼
以上實現了一個二叉搜尋樹,並測試了三種遍歷手段。
以上的這幾種遍歷都可以稱之為深度遍歷,對應的還有種遍歷叫做廣度遍歷,也就是一層層地遍歷樹。對於廣度遍歷來說,我們需要利用之前講過的佇列結構來完成。
以下是廣度遍歷:
原理:父節點出佇列,他的左右子節點進佇列
breadthTraversal() {
if (!this.root) return null
let q = new Queue()
// 將根節點入隊
q.enQueue(this.root)
// 迴圈判斷佇列是否為空,為空
// 代表樹遍歷完畢
while (!q.isEmpty()) {
// 將隊首出隊,判斷是否有左右子樹
// 有的話,就先左後右入隊
let n = q.deQueue()
console.log(n.value)
if (n.left) q.enQueue(n.left)
if (n.right) q.enQueue(n.right)
}
}
複製程式碼
如何在樹中尋找最小值或最大數。因為二分搜尋樹的特性,所以最小值一定在根節點的最左邊,最大值在最右邊。程式碼如下:
/**
* 獲取整個樹的最小值
* @return {[type]} [description]
*/
BinaryTree.prototype.getMin = function() {
return this.getMinNode(this.root);
}
/**
* 獲取某一個節點之下的最小值
* @param {[type]} node [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.getMinNode = function(node) {
if(node) {
while(node && node.left !== null) {
node = node.left;
}
return node.key;
}
return null;
}
/**
* 獲取整個樹的最大值
* @return {[type]} [description]
*/
BinaryTree.prototype.getMax = function() {
return this.getMaxNode(this.root);
}
/**
* 獲取某一個節點之下的最大值
* @param {[type]} node [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.getMaxNode = function(node) {
if(node) {
while(node && node.right !== null) {
node = node.right;
}
return node.key;
}
return null;
}
複製程式碼
- 如果是獲取第k小元素
思路: 使用中序遍歷,得到的就是一個排好序的陣列,然後取其第k-1項。
- 二叉搜尋樹的刪除節點操作:
會存在以下幾種情況
需要刪除的節點沒有子樹
需要刪除的節點只有一條子樹
需要刪除的節點有左右兩條樹
複製程式碼
程式碼如下:
/**
* 移除某一個元素
* @param {[type]} element [description]
* @return {[type]} [description]
*/
BinaryTree.prototype.remove = function(element) {
return this.removeNode(this.root, element);
}
BinaryTree.prototype.removeNode = function(node, element) {
if(node === null) {
return null;
}
// 首先確定要刪除的節點的位置
if(element < node.key) {
// 如果是比當前節點小,就去左側找
// 返回一個新的左子樹
node.left = this.removeNode(node.left, element);
return node;
} else if(element > node.key) {
// 如果是比當前節點大,就去右側找
// 返回一個新的右子樹
node.right = this.removeNode(node.right, element);
return node;
} else {
// 找到該節點之後
// 葉子節點,直接置為null
if(node.left === null && node.right === null) {
node = null;
return node;
}
// 左子樹為空
if(node.left === null) {
node = node.right;
return node;
} else if(node.right === null) {
// 右子樹為空
node = node.left;
return node;
}
// 左右都不為空
var aux = this.findMinNode(node.right); // 找出右子樹的最小
node.key = aux.key;
node.right = this.removeNode(node.right, aux.key);
return node;
}
}
function findMinNode(node) {
if (node) {
while (node && node.left !== null) {
node = node.left
}
return node
}
return null
}
複製程式碼
4、AVL樹(平衡二叉樹)
AVL樹本質上是一顆二叉查詢樹,但是它又具有以下特點:它是一棵空樹或它的左右兩個子樹的高度差的絕對值不超過1,並且左右兩個子樹都是一棵平衡二叉樹。在AVL樹中任何節點的兩個子樹的高度最大差別為一,所以它也被稱為平衡二叉樹。下面是平衡二叉樹和非平衡二叉樹對比的例圖:
AVL樹的作用
二分搜尋樹實際在業務中是受到限制的,因為並不是嚴格的 O(logN),在極端情況下會退化成連結串列,比如加入一組升序的數字就會造成這種情況。由於在刪除時,我們總是選擇將待刪除節點的後繼代替它本身,這樣就會造成總是右邊的節點數目減少,以至於樹向左偏沉。這同時也會造成樹的平衡性受到破壞。
例如:我們按順序將一組資料1,2,3,4,5,6分別插入到一顆空二叉查詢樹和AVL樹中,插入的結果如下圖:
AVL樹的基本操作
AVL樹的操作基本和二叉查詢樹一樣,這裡我們關注的是兩個變化很大的操作:插入和刪除! 我們要做一些特殊的處理,包括:單旋轉和雙旋轉: